Parsr

Verwandeln Sie Ihre Dokumente in Daten!

Französisch | Portugiesisch | Spanisch | 中文

• Parsr ist eine Toolchain zum Bereinigen, Parsen und Extrahieren von Dokumenten ( Bild, PDF, DocX, EML ) mit minimalem Platzbedarf, die leicht verfügbare, organisierte und verwendbare Daten in den Formaten JSON, Markdown (MD), CSV/Pandas DF oder TXT generiert.

• Es stellt Analysten, Datenwissenschaftlern und Entwicklern einen sauber strukturierten und mit Etiketten angereicherten Informationssatz für gebrauchsfertige Anwendungen zur Verfügung, die von der Dateneingabe über Dokumentenanalytiker bis hin zur Automatisierung, Archivierung und vielen anderen reichen.

• Derzeit kann Parsr Folgendes durchführen: Dokumentbereinigung, Hierarchieneuerstellung (Wörter, Zeilen, Absätze), Erkennung von Überschriften, Tabellen, Listen, Inhaltsverzeichnissen, Seitenzahlen, Kopf-/Fußzeilen, Links und mehr. Schauen Sie sich alle Funktionen an.

Inhaltsverzeichnis

• Inhaltsverzeichnis
• Erste Schritte
  • Installation
  • Verwendung
• Dokumentation
• Beitragen
• Lizenzen Dritter
• Lizenz

Erste Schritte

Installation

-- Die erweiterte Installationsanleitung ist hier verfügbar --

Der schnellste Weg, die Parsr-API zu installieren und auszuführen, ist über das Docker-Image:

docker pull axarev/parsr

Wenn Sie auch die GUI zum Versenden von Dokumenten und zur Visualisierung von Ergebnissen installieren möchten:

docker pull axarev/parsr-ui-localhost

Hinweis: Parsr kann auch bare-metal (nicht über Docker-Container) installiert werden, die Vorgehensweise ist im Installationsleitfaden dokumentiert.

Verwendung

-- Der Leitfaden zur erweiterten Nutzung ist hier verfügbar --

Um die API auszuführen, geben Sie Folgendes ein:

docker run -p 3001:3001 axarev/parsr

Dadurch wird es auf http://localhost:3001 gestartet.
Konsultieren Sie die Dokumentation zur Verwendung der API.

1. Um auf den Python- Client für die Parsr-API zuzugreifen, geben Sie Folgendes ein:

   pip install parsr-client

   Um das Jupyter Notebook mit dem Python-Client auszuprobieren, gehen Sie zur Jupyter-Demo.

2. Um das GUI-Tool zu verwenden (die API muss bereits ausgeführt werden), geben Sie Folgendes ein:

   docker run -t -p 8080:80 axarev/parsr-ui-localhost:latest

   Greifen Sie dann über http://localhost:8080 darauf zu.

Informationen zur Interpretation der konfigurierbaren Optionen im GUI-Viewer finden Sie in der Konfigurationsdokumentation.

Die API-basierte Nutzung und die Befehlszeilennutzung sind im erweiterten Nutzungsleitfaden dokumentiert.

Dokumentation

Alle Dokumentationsdateien finden Sie hier.

Beitragen

Bitte beachten Sie die Beitragsrichtlinien.

Lizenzen Dritter

Lizenzen von Drittanbieterbibliotheken für ihre Abhängigkeiten:

1. QPDF : Apache http://qpdf.sourceforge.net
2. ImageMagick : Apache 2.0 https://imagemagick.org/script/license.php
3. Pdfminer.six : MIT https://github.com/pdfminer/pdfminer.six/blob/master/LICENSE
4. PDF.js : Apache 2.0 https://github.com/mozilla/pdf.js
5. Tesseract : Apache 2.0 https://github.com/tesseract-ocr/tesseract
6. Camelot : MIT https://github.com/camelot-dev/camelot
7. MuPDF (optionale Abhängigkeit): AGPL https://mupdf.com/license.html
8. Pandoc (optionale Abhängigkeit): GPL https://github.com/jgm/pandoc

Lizenz

Copyright 2020 AXA Group Operations SA
Lizenziert unter der Apache 2.0-Lizenz (siehe LICENSE-Datei).